Como aprendemos a trabalhar com máquinas inteligentes?

O caminho para desenvolvimento de aptidões, em todo o mundo, tem sido o mesmo há milhares de anos: treinar sob a tutela de um especialista e assumir tarefas pequenas e fáceis antes de progredir para tarefas mais arriscadas e difíceis. Mas agora, estamos a lidar com a IA de uma maneira que bloqueia esse caminho — e a sacrificar a aprendizagem na nossa busca de produtividade, diz o etnógrafo organizacional Matt Beane. O que pode ser feito? Beane partilha uma visão que transforma a história atual numa titoria distribuída, reforçada pelas máquinas, que aproveita ao máximo os recursos incríveis da IA, e melhoram as nossas aptidões, ao mesmo tempo.

São seis e meia da manhã,

Kristen está a levar o paciente
da próstata para o bloco operatório.

Ela é médica residente,
cirurgiã em formação.

O seu trabalho é aprender.

Hoje, espera fazer uma cirurgia
extremadamente delicada

na próstata do paciente, que
possa preservar a função erétil do pénis.

Isso é da responsabilidade do cirurgião
principal, mas ele ainda não chegou.

Ela e a sua equipa anestesiam o paciente

e ela encarrega-se da incisão inicial
de 20 cm na parte inferior do abdómen.

Depois de prender a incisão,
diz ao enfermeiro para chamar o cirurgião.

Este chega, veste a bata.

Daquele momento em diante,
as quatro mãos não largam o paciente.

O cirurgião vai orientando
mas é Kristen que lidera o caminho.

Depois de removida a próstata

— ele permitiu que Kristen
preservasse os nervos —

ele despe a roupa

e começa a trabalhar na papelada.

Kristen fecha o paciente
às oito e um quarto,

com um residente júnior
a olhar por cima do ombro dela.

Ela deixa-o fazer
a linha final das suturas.

Kristen sente-se ótima.

O paciente vai ficar bem

e, sem dúvida, ela é uma cirurgiã melhor
do que era às seis e meia.

Isto é um trabalho radical,

mas Kristen está a aprender a trabalhar
do modo que muitos de nós fazemos:

observando um especialista por um tempo,

envolvendo-se em partes
fáceis e seguras do trabalho

e progredindo para tarefas
mais arriscadas e difíceis

enquanto ele guia e decide
se ela está preparada.

Toda a minha vida me senti fascinado
por este tipo de aprendizagem.

Parece elementar,
é uma parte do que nos torna humanos.

Tem nomes diferentes: aprendizagem,
treino e tutoria. formação profissional.

Na cirurgia, chama-se:
“Vejam, façam, ensinem.”

Mas o processo é sempre o mesmo
e tem sido o caminho principal

para a competência
em todo o mundo, há milhares de anos

Neste momento, estamos a lidar com a IA
de um modo que bloqueia esse caminho.

Estamos a sacrificar a aprendizagem
na busca da produtividade.

A primeira vez que descobri isso
na cirurgia, eu estava no MIT

mas agora sei que
está a acontecer em toda a parte,

em indústrias muito diferentes
e com tipos muito diferentes de IA.

Se não fizermos nada, milhões de nós
vamos "bater contra uma parede de tijolos"

quando tentarmos
aprender a lidar com a IA.

Voltemos à cirurgia para perceber como é.

Passaram-se seis meses.

São seis e meia da manhã e Kristen
está a levar outro paciente de próstata

mas, desta vez,
para o bloco operatório de robótica.

O cirurgião-chefe coordena
a ligação

de um robô de quatro braços
de 450 kg no paciente.

Ambos despem as batas,

dirigem-se às consolas de controlo
a 3 ou 4 metros de distância,

e Kristen limita-se a observar.

O robô permite que o cirurgião-chefe
faça todo o processo sozinho,

por isso, é o que ele faz.

Ele sabe que ela precisa de praticar.

Quer dar-lhe o controlo da operação.

Mas também sabe que ela seria mais lenta
e pode cometer mais erros

e o paciente está primeiro.

Kristen não tem esperança de chegar
perto dos nervos durante a operação.

Terá sorte se operar mais de 15 minutos
durante um processo de quatro horas.

Sabe que, se fizer algum erro,

ele toca no ecrã e ela ficará
a assistir de novo,

sentindo-se como uma criança
ao canto, com orelhas de burro.

Como em todos os estudos
de robôs que fiz nos últimos oito anos,

comecei este com uma
grande pergunta aberta:

Como aprendemos a trabalhar
com máquinas inteligentes?

Para descobrir isso,
passei dois anos e meio

a observar dezenas
de residentes e cirurgiões

a fazer cirurgia tradicional e robótica,
a entrevistá-los

e a conviver com os residentes
enquanto eles tentavam aprender.

Visitei 18 dos melhores
hospitais-escolas dos EUA

e a história era sempre a mesma.

A maioria dos residentes estavam
na mesma situação que Kristen.

Assistiam com grande frequência,

mas raramente faziam uma cirurgia.

Assim, não podiam esforçar-se
e não estavam a aprender.

Isto era importante para os cirurgiões,
mas eu queria saber o quão difundido era:

Onde é que a IA estava a bloquear
a aprendizagem no trabalho?

Para descobri-lo, juntei-me
a um pequeno grupo de investigadores

que tinham feito estudos no terreno
de trabalho que envolvia IA,

em ambientes muito diversos
como "start-ups", policiamento,

bancos de investimento e ensino "online".

Tal como eu, tinham passado
pelo menos um ano

e muitas centenas de horas a observar,

a entrevistar e muitas vezes a trabalhar
lado a lado com as pessoas que estudavam.

Partilhámos dados e eu procurei padrões.

Qualquer que fosse a indústria,
o trabalho, a IA,

a história era sempre a mesma.

As organizações esforçavam-se
cada vez mais para obter resultados da IA

afastando os aprendizes
do trabalho especializado, durante isso.

Gestores de "start-ups" estavam
a subcontratar o contacto com clientes.

Os polícias tinham de aprender

a lidar com prognósticos de crimes
sem o apoio de especialistas.

Banqueiros sem experiência estavam
a ser afastados de análises complexas

e professores tinham de criar
cursos "online" sem ajuda.

O efeito de tudo isso
foi o mesmo que na cirurgia.

Aprender no trabalho
estava a ficar muito mais difícil.

Isto não pode continuar.

A McKinsey calcula que,
entre 500 milhões e mil milhões de nós

vão ter de se adaptar à IA
no nosso trabalho diário até 2030.

Estamos a assumir
que a aprendizagem no trabalho

vai existir enquanto tentamos.

O mais recente estudo
de trabalhadores, da Accenture,

mostrou que a maioria dos trabalhadores

aprendeu competências-chave
no trabalho, e não em treino formal.

Então, enquanto falamos muito
no seu futuro impacto potencial,

o aspeto da IA que pode
ser mais importante agora

é que estamos a lidar com ela

de um modo que bloqueia
a aprendizagem no trabalho

justamente quando é o que mais precisamos.

Em toda a parte, uma pequena minoria
encontrou forma de aprender.

Fizeram-no, quebrando
e torneando as regras.

Os métodos aprovados não funcionavam
e eles tornearam e quebraram as regras

para obter experiência prática
com especialistas.

No meu meio, os residentes
envolveram-se em cirurgia robótica

na faculdade de medicina

à custa da sua educação generalista.

Gastaram centenas de horas extras
com simuladores e gravações de cirurgia,

quando supostamente deviam
aprender no bloco operatório.

Talvez o mais importante,
encontraram forma de praticar

em procedimentos ao vivo
com supervisão especializada limitada.

Chamo a isto "aprendizagem na sombra"
porque contorna as regras

e o aluno faz isso às escondidas.

Toda a gente fecha os olhos
porque obtêm-se resultados.

Lembrem-se, estes são
os alunos estrelas do grupo.

Obviamente, isto não está certo,
e não é sustentável.

Ninguém devia correr o risco
de ser despedido

para aprender as competências
de que precisam para o seu trabalho.

Mas precisamos de aprender
com essas pessoas.

Correram sérios riscos para aprender.

Perceberam que precisavam de proteger,
de se esforçar e desafiar no seu trabalho

para poderem melhorar
e resolver problemas mais difíceis

muito perto do limiar
das suas capacidades.

Também se certificaram
de que havia um especialista por perto

para lhes oferecer conselhos
e impedir catástrofes.

Criemos essa combinação
de esforço e apoio de especialistas

na implementação da IA.

Este é um exemplo claro
que obtive no terreno.

Antes dos robôs, um técnico
de neutralização de bombas

lidava com uma bomba caseira,
aproximando-se dela.

Um oficial menos graduado,
a dezenas de metros de distância,

só podia observar e ajudar
se o técnico decidisse que era seguro

e o chamasse para o local.

Hoje, estão sentados lado a lado
num camião à prova de explosões.

Os dois assistem à transmissão do vídeo.

Controlam um robô distante
e o técnico guia o trabalho em voz alta.

Os militares em formação aprendem
melhor do que antes dos robôs.

Podemos fazer o mesmo na cirurgia,
nas "start-ups", no policiamento,

nos bancos de investimento,
no ensino "online" e não só.

Felizmente, temos novas
ferramentas para fazer isso.

A Internet e a nuvem
significam que nem sempre

precisamos de um especialista
para cada formando,

não têm de estar fisicamente
próximos uns dos outros

nem sequer de estarem
na mesma organização.

Podemos desenvolver a IA para ajudar:

para treinar os formandos

enquanto eles se esforçam, para treinar
especialistas enquanto ensinam

e ligar esses dois grupos
de forma inteligente.

Há pessoas a trabalhar
em sistemas como este,

mas têm-se concentrado
principalmente em treino formal.

A crise mais profunda
está na aprendizagem no trabalho.

Precisamos de fazer melhor.

Os problemas de hoje
exigem que façamos melhor

para criar um trabalho que aproveite
ao máximo as capacidades incríveis da IA

enquanto aumentamos
as nossas aptidões enquanto fazemos.

Este é o tipo de futuro
com que eu sonhei quando miúdo.

E a hora de criá-lo é agora.

Obrigado.

(Aplausos)